الگوریتم حداقل مربعات برگشتی RLS برای آموزش شبکه عصبی پرسپترون چند لایه

تاریخ : 28 ژوئن, 2017 توسط مدیریت

مجموعه: الگوریتم های فراابتکاری و هوشمند, شبکه عصبی, مهندسی کامپیوتر

پروژه ۶۲۳: شبیه سازی ام فایل در متلب + سورس کامل متلب

خلاصه ای از کار:

در شناسایی به روش حداقل مربعات مجموع مربعات خطا بین خروجی پروسه و مدل چنان حداقل می­شود که تخمین پارامترهای مدل در حد امکان به مقادیر واقعی نزدیک باشد. در روش RLS با فاکتور فراموشی نمایی لاندا پارامترهای مدل را چنان انتخاب می کنیم که مجموع مربعات تابع وزن دار خطای تخمین حداقل شود.

در این پروژه از روش RLS برای آموزش شبکه عصبی پرسپترون چندلایه استفاده شده است. در ادامه به برخی از نتایج اشاره می نماییم. از شبکه پرسپترون دو لایه استفاده شده است. 

برخی نتایج:

در صورت سوال در مورد محصول و یا در صورت اشکال در اجرای شبیه سازی می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.

دیگر پروژه های قابل دانلود: 

مجموعه کامل سورس های شبکه عصبی مصنوعی در متلب